• Keine Ergebnisse gefunden

09/2018

N/A
N/A
Protected

Academic year: 2022

Aktie "09/2018"

Copied!
155
0
0

Wird geladen.... (Jetzt Volltext ansehen)

Volltext

(1)

09/2018

Untersuchung der klimapolitischen Wirksamkeit des

Emissionshandels – erweiterte Analysen

Abschlussbericht

(2)
(3)

Umweltforschungsplan des Bundesministeriums für Umwelt, Naturschutz, Bau und Reaktorsicherheit Forschungskennzahl 3712 41 504 UBA-FB 002624

Untersuchung der klimapolitischen Wirksamkeit des Emissionshandels – erweiterte Analysen

Abschlussbericht

von

Johanna Cludius, Katja Schumacher, Charlotte Loreck Öko-Institut e.V., Berlin

Vicki Duscha, Nele Friedrichsen, Tobias Fleiter, Matthias Rehfeldt Fraunhofer ISI, Karlsruhe

Im Auftrag des Umweltbundesamtes

(4)

Herausgeber:

Umweltbundesamt Wörlitzer Platz 1 06844 Dessau-Roßlau Tel: +49 340-2103-0 Fax: +49 340-2103-2285 info@umweltbundesamt.de

Internet: www.umweltbundesamt.de /umweltbundesamt.de

/umweltbundesamt Durchführung der Studie:

Öko-Institut e.V.

Schicklerstraße 5-7 10179 Berlin Abschlussdatum:

November 2017 Redaktion:

Fachgebiet E 2.3 Ökonomische Grundsatzfragen des Emissionshandels, Monitoring, Auswertungen

Frank Gagelmann, Claudia Gibis, Steffen Schlömer Publikationen als pdf:

http://www.umweltbundesamt.de/publikationen ISSN 1862-4359

Dessau-Roßlau, März 2018

Das diesem Bericht zu Grunde liegende Vorhaben wurde mit Mitteln des

Bundesministeriums für Umwelt, Naturschutz, Bau und Reaktorsicherheit unter der Forschungskennzahl 3712 41 504 finanziert. Die Verantwortung für den Inhalt dieser Veröffentlichung liegt bei den Autorinnen und Autoren.

(5)

5 Kurzzusammenfassung (Abstract)

Bei dem vorliegenden Bericht handelt es sich um den Schlussbericht des Projektes „Untersuchung der klimapolitischen Wirksamkeit des Emissionshandels – erweiterte Analysen (EU-ETS 6)“. Ziel des Pro- jektes war, zur Verbesserung der Evaluation von Effektivität und Effizienz des EU-Emissionshandels (EU-EHS) beizutragen. Im Rahmen der wissenschaftlichen Beratung des Umweltbundesamts (UBA) als vollziehender Behörde und des Bundesministeriums für Umwelt, Naturschutz, Bau und Reaktorsi- cherheit (BMUB) als federführendes Ressort sollten Methoden zur ex-post Bewertung des EU-EHS weiterentwickelt und Erkenntnisse für ex-ante Analysen abgeleitet werden. Dabei baute das Projekt auf Ergebnissen eines früheren Projektes „Evaluierung und Weiterentwicklung des EU-

Emissionshandels (EU-ETS- 5)“ auf. Im vorliegenden Bericht wurden methodische Ansätze für eine ex- post Bewertung der Kosteneffizienz des EU-EHS betrachtet und verschiedene „Tiers“ (Ebenen) unter- schiedlicher Komplexität vorgestellt und angewendet. Kern war jeweils der Vergleich zu einem fikti- ven „Alternativen Politikszenario“ mit identischer Emissionsminderung, aber ohne die Flexibilität des Handels mit Emissionsberechtigungen. Dafür wurden Fallstudien durchgeführt unter Verwendung von Grenzvermeidungskostenkurven (abgeleitet aus einem Energiesystemmodell) und je einem Bottom- up-Modell des Energiesektors und der Industrie. Neben dem gewählten Modellinstrumentarium un- terscheiden sich die Fallstudien im Wesentlichen in der Herleitung bzw. der konkreten Ausgestaltung des i) Counterfactual-Szenarios, ii) des Alternativen Politikszenarios, iii) der Detaillierung der Sekto- ren, iv) der Vermeidungskosten und CO2-Preise und v) der zeitlichen Perspektive. Für die Analyse der Wirksamkeit des Emissionshandels ist immer eine Abwägung zwischen Detail in der Breite der Analy- se oder in der Tiefe nötig. Im Ergebnis zeigt sich, dass alle Ansätze dem Emissionshandel Effizienzge- winne gegenüber einem Alternativen Politikszenario zuschreiben. In der Fallstudie zum Tier2-Ansatz beispielsweise - einem Ansatz mit mittlerer Detailtiefe - werden die Emissionshandelssektoren in ver- schiedenen Aggregationsebenen über alle teilnehmenden Länder hinweg jeweils für die gesamte 2.

Handelsperiode und für ein einzelnes Jahr der 2. Handelsperiode abgebildet. Die (Vermeidungs-) Kos- teneinsparungen im Emissionshandelsszenario gegenüber einem Alternativen Politikszenario liegen je nach Ausgestaltung zwischen 15% und 50%. Der Emissionshandel zeigt demgemäß einen deutlichen Effizienzgewinn gegenüber einem Alternativen Politikszenario.

Short Summary (English Abstract)

This document presents the final report of the project “Efficiency and effectiveness of the EU ETS – extended analyses (EU-ETS 6)”. The project aims to deliver further contributions for the evaluation of the efficiency and effectiveness of the European Emission Trading System (ETS). In doing so, the pro- ject provides advice to the Federal Environmental Agency (UBA), as implementing authority, and the Federal Ministry for the Environment, Nature Conservation, Building and Nuclear Safety (BMUB) as the competent ministry, on methodological aspects of ex-post assessments and lessons learned for ex- ante analyses. The project builds on a previous study, titled „Evaluierung und Weiterentwicklung des EU-Emissionshandels (EU-ETS- 5)“. The current project focusses on methodological approaches for an ex-post assessment of the effects of the EU ETS and introduces different “Tier” levels reflecting differ- ent scopes of complexity. The core of each analysis is to compare estimated abatement costs under the EU-ETS with cost estimates for a fictitious “alternative policy scenario” that aims to achieve the same total abatement but does not provide the flexibility of trading allowances. Case studies are conducted based on marginal abatement cost curves derived from a partial equilibrium model and from bottom- up models for the industry and the electricity sector respectively. Besides the different modelling ap- proaches, the case studies differ essentially in the design and assumptions chosen with respect to the i) counterfactual scenarios, ii) alternative policy scenario, iii) sector detail, iv) abatement costs and CO2-prices and v) temporal perspective. An efficiency analysis of the ETS always implies a trade-off between breadth and depths of the analysis. Yet, the case study analyses all reveal efficiency gains for the ETS compared to an alternative policy. For example, the Tier 2 analysis –covering a medium level

(6)

6 of detail – investigated different sector disaggregation and different time frames for the 2nd trading period and concluded that 15% to 50% of abatement costs were saved within the ETS compared to the alternative policy scenario. Emissions trading thus leads to important efficiency gains according to these estimates.

(7)

7

Inhaltsverzeichnis

Überblick über das Projekt und Zusammenfassung ... 8

Hintergrund ... 8

Overview and summary of the project ... 17

Annex – Einzelanalysen ... 25

1 Annex 1: Tier 2 Analysis: Estimation of cost savings from trading by means of a model-based abatement cost curve (Tier 2 analysis): ... 25

2 Annex 2: Tier 3 Analyse Industrie: Bottom-up Simulation der CO2-Grenzvermeidungskosten im Industriesektor – Methodische Überlegungen und ein Anwendungsfall für Deutschland ... 72

3 Annex 3: Tier 3 Analyse Strom: Der Budgetansatz als ordnungsrechtliche Maßnahme im deutschen Stromsektor – eine ex-post Analyse für das Jahr 2010 ... 117

4 Annex 4: Summary of methodologies, applications and lessons learnt - ex-post analysis of cost efficiency in the second trading period of the EU ETS - ... 132

5 Literaturverzeichnis/References ... 152

(8)

8

Überblick über das Projekt und Zusammenfassung

Bei dem vorliegenden Bericht handelt es sich um den Schlussbericht des Projektes „Untersuchung der klimapolitischen Wirksamkeit des Emissionshandels – erweiterte Analysen (EU-ETS 6)“. Ziel des Pro- jektes war, zur Verbesserung der Evaluation von Effektivität und Effizienz des EU-Emissionshandels (EU-EHS) beizutragen. Im Rahmen der wissenschaftlichen Beratung des Umweltbundesamts (UBA) als vollziehender Behörde und des Bundesministeriums für Umwelt, Naturschutz, Bau und Reaktorsi- cherheit (BMUB) als federführendes Ressort sollten Methoden zur ex-post Bewertung des EU-EHS weiterentwickelt und Erkenntnisse für ex-ante Analysen abgeleitet werden. Dabei baute das Projekt auf Ergebnissen eines früheren Projektes „Evaluierung und Weiterentwicklung des EU-

Emissionshandels (EU-ETS- 5)“ auf. Im vorliegenden Bericht wurden methodische Ansätze für eine ex- post Bewertung der Kosteneffizienz des EU-EHS betrachtet und verschiedene „Tier“ (Ebenen) unter- schiedlicher Komplexität vorgestellt und angewendet. Kern war jeweils der Vergleich zu einem fikti- ven „Alternativen Politikszenario“ mit identischer Emissionsminderung, aber ohne die Flexibilität des Handels mit Emissionsberechtigungen. Dafür wurden Fallstudien durchgeführt unter Verwendung von Grenzvermeidungskostenkurven (abgeleitet aus einem Energiesystemmodell) und je einem Bottom- up-Modell des Energiesektors und der Industrie. Die Arbeiten wurden vom Öko-Institut e.V. und dem Fraunhofer ISI ausgeführt. Im Folgenden werden die relevanten Hintergründe sowie die Methoden und Ergebnisse der Analysen, die im Rahmen des Projektes durchgeführt wurden, zusammengefasst.

Vollständige Versionen der einzelnen Analysen sind in den folgenden Anhängen enthalten: Annex 1 - Tier 2 Analyse, Annex 2 - Tier 3 Analyse Industrie, Annex 3 - Tier 3 Analyse Strom und Annex 4 - Ver- gleichende Diskussion der Annahmen/Erfahrungen und Schlussfolgerungen.

Hintergrund

Der EU-Emissionshandel (EU-EHS) wurde im Jahr 2005 als weltweit größtes Emissionshandelssystem eingeführt. Es deckt CO2 und andere Treibhausgase von ungefähr 11.000 Anlagen in 31 Ländern (EU 28 + Island, Liechtenstein und Norwegen) ab. Insgesamt werden etwa 45% der Treibhausgasemissio- nen der EU durch dieses System reguliert (etwa 1.900 Mt CO2eq. verifizierte Emissionen im Jahr 2013, hauptsächlich aus der Energie- und Wärmeerzeugung und energieintensiven Industriezweigen wie Eisen und Stahl, Nicht-Eisen-Metalle, Raffinerien, Zellstoff und Papier, mineralverarbeitende Industrie und chemische Industrie).

Die erste Handelsperiode (2005-07) wurde als Lernphase verstanden. Daher standen nicht alle Flexi- bilitätsmechanismen in vollem Umfang zur Verfügung. Zwar wurde eine volle Flexibilität innerhalb der Handelsperiode in Bezug auf die Verwendung von Zertifikaten garantiert, allerdings war ein Banking der Emissionszertifikate für eine Verwendung in späteren Handelsperioden nicht erlaubt. Das führte zu einem Preisverfall im zweiten und dritten Jahr der ersten Handelsperiode, als sich herausstellte, dass auf dem Markt mehr Zertifikate verfügbar waren, als benötigt wurden, um die Abgabeverpflich- tung zu erfüllen. Seit der zweiten Periode (2008-12) ist Banking erlaubt und Anlagen können Zertifika- te für Abgabeverpflichtungen in späteren Phasen aufheben. Das Leihen von Zertifikaten ("Borro- wing"), d.h. die Verwendung von Zertifikaten aus kommenden Jahren, um aktuelle Verpflichtungen einzuhalten, ist dagegen nur in stark limitiertem Umfang und nur innerhalb einer Handelsperiode möglich.

Nach dem Abschluss der zweiten Periode des EU-EHS Ende 2012 wurden erste ex-post Evaluierungen des Instruments und einer seiner wichtigsten Eigenschaften, der Kosteneffizienz durch den Handel mit Emissionsberechtigungen, möglich. In einem Vorläuferprojekt „Evaluierung und Weiterentwicklung des EU-Emissionshandels (EU-ETS- 5)“ wurden methodische Ansätze für die Bewertung der ex-post Kos- teneffizienz-Analyse des EU-EHS anhand von Fallbeispielen untersucht. Das aktuelle Projekt entwi- ckelt die dabei angewandten Methoden weiter, indem das Datengerüst angepasst wird, weitere Be-

(9)

9 rechnungen erfolgen, erste ex-ante Vermeidungskostenschätzungen durchgeführt werden, sowie we- sentliche Annahmen variiert werden. Im vorliegenden Bericht werden die Forschungsergebnisse aus der Anwendung dieser Ansätze und die daraus gewonnenen Erkenntnisse vorgestellt, Vor- und Nach- teile diskutiert und verschiedene Möglichkeiten aufgezeigt, die Methoden und/oder ihre Anwendung weiterzuentwickeln. Im Wesentlichen stehen drei Fragen im Vordergrund:

Was lässt sich über die verschiedene Methoden lernen? Wofür sind sie jeweils geeignet?

Was lässt sich aus den Fallstudienanwendungen insbesondere in Bezug auf die Annahmen und Daten lernen?

Welche Empfehlungen ergeben sich daraus für künftige ex-post Bewertungen des Instruments Emissionshandel?

Methodik

Für die Kosteneffizienzanalyse des EHS vergleichen wir die Kosten, die durch das EHS entstehen, mit den Kosten, die durch eine hypothetische alternative Politik entstehen würden, die auf dieselbe Treib- hausgasminderung abzielt, jedoch keine Möglichkeit zum Handel bietet. Für die Umsetzung dieser Idee ist eine eindeutige Definition der Dimensionen der Analyse wichtig. Implizit wird angenommen, dass diejenigen Dimensionen, die nicht in die Analyse mit einbezogen werden, sowohl im EHS-Szenario als auch im alternativen Politikszenario kosteneffizient sind, auch wenn in der Realität Ineffizienzen exis- tieren könnten.

Beispiel: Eine Analyse des Handels zwischen zwei Sektoren ermöglicht uns, durch den Handel zwi- schen Anlagen in Sektor A mit Anlagen in Sektor B entstehende Effizienzgewinne zu erkennen und abzuschätzen. Effizienzgewinne, die durch den Handel zwischen Anlagen innerhalb eines Sektors ent- stehen, bleiben in diesem Fall jedoch unberücksichtigt. Daher werden Effizienzgewinne bei einer Ana- lyse auf der Sektoren-Ebene vermutlich kleiner eingeschätzt, als bei einer sehr detaillierten Analyse auf Anlagen-Ebene. Bei einem Emissionshandelssystem, das über 11.000 Anlagen beinhaltet, würde eine Analyse auf der Anlagen-Ebene jedoch enorme Informationsmengen und Ressourcen erfordern und scheint daher nicht in angemessenem Umfang machbar. Die Abgrenzung der Analyse sollte also eine angemessenes Balance zwischen dem Wunsch, so viele Effizienzdimensionen wie möglich zu be- rücksichtigen und somit ein realistisches Bild widerzugeben auf der einen Seite und den Informations- und Ressourcenanforderungen auf der anderen Seite bilden. Neben der sektoralen Dimension sind regionale Abgrenzungen, die zeitliche Perspektive und die Definition des alternativen Politikszenarios selbst weitere wichtige Analyse-Dimensionen.

Die Grundlage jeder ex-post Beurteilung des EU-EHS bilden Informationen über Vermeidungskosten für die einzelnen Anlagen, Sektoren und Länder. Da die tatsächlichen Kosten je Anlage nicht quantifi- zierbar sind, basieren Kosteneffizienzanalysen auf Schätzungen der Vermeidungskosten. Im Folgenden unterscheiden wir drei Möglichkeiten, die Vermeidungskosten zu schätzen (Tier 1-3).

Tier 1 – Kostenkurven-basierte Schätzung: Tier 1 stellt eine Schätzung der Kosteneffizienz mit Hilfe historischer Informationen über Mengen und Preise dar. Ansatzpunkt für die Analyse ist die Annahme, dass die Preise, die sich in einem funktionierenden Emissionshandelssystem einstellen, den (kostenef- fizienten) Grenzvermeidungskosten aller Unternehmen bzw. Sektoren entsprechen.1 Um mit den vor- handenen Daten arbeiten zu können, wird ein linearer Verlauf der Grenzvermeidungskosten unter- stellt. Der Tier 1-Ansatz stellt den am wenigsten informationsintensiven Ansatz dar und bietet daher eine recht einfache, unverbindliche Schätzung. Die einzigen notwendigen Informationen sind der

1 Das entspricht der gängigen ökonomischen Theorie. In der Realität des EU-EHS in der 2. Handelsperiode traf diese An- nahme infolge wachsender Überschüsse jedoch nicht oder nicht immer zu.

(10)

10 Marktpreis für Emissionszertifikate (der theoretisch den Grenzvermeidungskosten in allen Anlagen entspricht) und eine Abschätzung der realisierten Emissionsminderungen. Diese Kombination aus Preis und Menge bildet einen Punkt auf der Grenzvermeidungskostenkurve. Unter der Annahme, dass die Grenzvermeidungskostenkurve annäherungsweise linear verläuft und keine Vermeidungskosten entstehen, wenn keine Emissionsminderung stattfindet, kann eine lineare Grenzvermeidungskosten- kurve durch eine gerade Linie durch den Ursprung und den Punkt der bereits erwähnten Kombination von Preis und Menge dargestellt werden.

Tier 2 – (Technologie-basierte oder makroökonomische) Grenzvermeidungskostenkurven: Im Gegen- satz zum Tier 1-Ansatz, der auf die Verwendung zusätzlicher Informationen über emissionsmindernde Technologien und Optionen oder Charakteristika einzelner Sektoren verzichtet, basiert der Tier 2- Ansatz auf Grenzvermeidungskostenkurven, die auf techno-ökonomischen Informationen fußen. Es existieren verschiedene Arten von Grenzvermeidungskostenkurven, die für diese Analyse verwendet werden können. Bottom-up Grenzvermeidungskostenkurven werden aus Informationen über Kosten verschiedener emissionsmindernder Technologien oder Optionen und deren geschätztem (Minde- rungs-) Potential gebildet. Diese Art von Grenzvermeidungskostenkurven („Kosten-Potenzial-

Kurven“) können bei Ecofys (2009), Ecofys & JRC-IPTS (2009), McKinsey&Company (2007, 2009), ifo

& FfE (2012) gefunden werden. Eine zweite Art von Grenzvermeidungskostenkurven wird mit Partial- und mit Energiesystemmodellen erstellt. Zusätzlich zu den Bottom-up ermittelten techno-

ökonomischen Informationen können Energiesystemmodelle zumindest teilweise Interaktionen zwi- schen Sektoren und zwischen Energieangebot (z.B. über Preise) und –-nachfrage, sowie weitere In- formationen wie Reinvestitionszyklen von Anlagen, Lernkurven verschiedener Technologien und Technologieverbreitung berücksichtigen. Beispiele für Modelle, die diese Art von Grenzvermeidungs- kostenkurven liefern, sind Markal/TIMES, PRIMES, POLES, aber auch Sektormodelle wie Forecast In- dustry und PowerFlex, die den Industrie- bzw. den Stromsektor detailliert abbilden und dabei die Nachfrage als gegeben nehmen. Die dritte Art von Grenzvermeidungskostenkurven sind top-down Grenzvermeidungskostenkurven die auf makroökonomischen Modellierungen wie Allgemeine- Gleichgewichts-Modelle basieren (auch computable general equilibrium models oder CGE-Modellen genannt). Sie beinhalten Interaktionen zwischen allen Wirtschaftssektoren, vernachlässigen jedoch häufig detaillierte technische Informationen (siehe z.B. GEM-E3, PACE, FARM-EU etc.).

Für eine Tier 2-Analyse werden Grenzvermeidungskostenkurven entweder basierend auf techno- ökonomischen Informationen oder mit Sektor- oder Energiesystemmodellen konstruiert. Top-down- Grenzvermeidungskostenkurven wären für eine Analyse makroökonomischer Effekte geeignet, sind jedoch für Effizienzberechnungen auf Basis von Vermeidungskosten einzelner Sektoren und/oder An- lagen aufgrund ihrer fehlenden Detailgenauigkeit zumeist weniger passend. Grenzvermeidungskos- tenkurven können entweder in ihrer Originalform verwendet werden (z.B. für die gesamte Ökonomie eines Landes oder nach einzelnen Sektoren aufgeschlüsselt) oder weiter differenziert werden, indem zusätzliche Informationen hinzugefügt werden. Beispiel: eine Grenzvermeidungskostenkurve kann in mehrere verschiedene Grenzvermeidungskostenkurven für verschiedene Produkte oder Produktions- technologien oder für Anlagen mit unterschiedlichen Wirkungsgraden differenziert werden.

Tier 3 – Modell-basierte Analyse: Anstelle von Grenzvermeidungskostenkurven, die mit Hilfe von Energiesystemmodellen konstruiert wurden, kann die Analyse auch mit dem Modell selbst durchge- führt werden. Die Verwendung des Modells erlaubt eine detailliertere Beschreibung von Vermei- dungskosten inklusive aller Interaktionen innerhalb und zwischen verschiedenen Sektoren. In vielen Fällen konzentrieren sich diese Modelle jedoch auf einen oder wenige Sektoren und/oder Länder. Für eine Analyse des gesamten EU-EHS wäre ein Modell (oder mehrere verknüpfte Modelle), das sowohl den Energiesektor, als auch sämtliche abgedeckten Industriebranchen in möglichst allen Ländern gut

(11)

11 abbildet, notwendig. Die meisten Modelle weisen diese Detailgenauigkeit jedoch nicht auf. Grundsätz- lich gestaltet sich die Verwendung von Modellen für die Analyse komplizierter und zeitaufwändiger als die Analyse basierend auf Vermeidungskostenkurven (z.B. Tier 2). Im vorliegenden Projekt wird der Tier 3-Ansatz zum einen für eine ex-post Analyse der Wirkungen des Emissionshandels im Stromsek- tor und zum anderen für eine ex-ante Analyse des Emissionshandels im Industriesektor angewendet.

Die Weiterentwicklungen gegenüber dem Projekt „Evaluierung und Weiterentwicklung des EU-

Emissionshandels (EU-ETS- 5)“ erfolgten im Bereich der Tier 2 und Tier 3-Analysen. Insbesondere sind dies:

Tier 2:

Abweichungen bei den Haupteinflussfaktoren für Emissionen, zwischen der Realität und den verwendeten Vermeidungskostenkurven von POLES: Da die verwendeten Vermeidungskos- tenkurven ex-ante entwickelt wurden, weichen die Annahmen hinsichtlich wichtiger Treiber wie Bruttoinlandsprodukt (BIP), Energieträgerpreise und Anteile der Erneuerbaren Energien am Strommix von der Realität ab. Im Rahmen des Projektes wurden die verwendeten POLES- Vermeidungskostenkurven für Abweichungen in den wichtigsten Treibergrößen korrigiert.

Disaggregation: Um auch die Handelsgewinne auf Ebene der Sektoren abbilden zu können, wurden neben aggregierten Rechnungen mit Unterscheidung von 2 Sektoren (Feuerungsanla- gen2 und Industrieanlagen) auch disaggregierte Rechnungen mit Unterscheidung von 6 Sekto- ren (Feuerungsanlagen und 5 einzelne Industriesektoren) durchgeführt.

Tier 3:

Entwicklung von Industrie-Vermeidungskostenkurven: Das Modell FORECAST wurde einge- setzt, um Vermeidungskostenkurven für die Industrie in Deutschland zu entwickeln. Dabei wurde anders als in den übrigen Analysen keine ex-post Betrachtung durchgeführt, sondern es wurden ex-ante Kurven für die Jahre 2020 und 2030 entwickelt.

Strommarkt: Für den Strommarkt wurde die Definition des alternativen Politikszenarios wei- terentwickelt und verfeinert.

Vergleichende Diskussion der Annahmen

Im Folgenden werden die wesentlichen Annahmen und Ergebnisse der verschiedenen Tier-Ansätze diskutiert und verglichen. Der Aufbau richtet sich hierbei nach den in den Analysen betrachteten Di- mensionen: i) das Counterfactual-Szenario, ii) das alternative Politikszenario, iii) die Detaillierung der Sektoren, iv) Vermeidungskosten und CO2-Preise und v) die zeitliche Perspektive.

i) Das Counterfactual-Szenario

Um das Counterfactual-Szenario (Szenario ohne Emissionshandel) zu entwickeln, wurden verschiede- ne Ansätze angewandt. Die kostenkurven-basierten Abschätzungen des Counterfactual-Szenarios ba- sieren auf historischen Emissionsdaten der vorhergehenden Jahre (Tier 1) oder auf einer business-as- usual-Projektion mit dem Basisjahr 2005 (Tier 2). Alle Änderungen, die zwischen dem/der für das Counterfactual-Szenario verwendeten Jahr/Periode/Baseline und der tatsächlichen Emissionsent-

2 „Combustion installations“ laut Emissionshandelsrichtlinie (2003/87/EG). Dies umfasst vor allem Kraftwerke und Heizwer- ke zur öffentlichen Versorgung, außerdem Industrieanlagen mit mehr als 20 MW Feuerungswärmeleistung, die nicht zu einer der besonders energieintensiven Industriebranchen gehören, sondern z.B. zur Nahrungsmittelindustrie oder zum Maschinenbau.

(12)

12 wicklung auftreten – auch Emissionsrückgänge infolge beispielsweise der Wirtschaftskrise oder des technischen Fortschritts, werden der Wirkung des Emissionshandels zugeschrieben. Da die Emissi- onsentwicklung im Counterfactual-Szenario sich in der Vorgängerstudie (Cludius et al. 2016) als eine der maßgeblichen Annahmen herausstellte, wurde diese Dimension weiter untersucht, um ein verbes- sertes Counterfactual-Szenario zu erzielen, das aufgetretene Emissionsminderungen, die nicht auf den EHS zurückzuführen waren, möglichst ausschließt.

Hierfür wurden die POLES-Basisemissionen (und Vermeidungskostenkurven) in Bezug auf drei Grö- ßen, das Bruttoinlandsprodukt (BIP) sowie die erneuerbare und nukleare Energieproduktion, ange- passt. So wurde ein Counterfactual-Szenario erstellt, das die realen Entwicklungen dieser drei Fakto- ren besser abbildet. Der Einfluss der wirtschaftlichen Entwicklung wurde korrigiert, indem für jedes Land die tatsächliche Entwicklung des BIP zwischen 2008 und 2012 mit der in POLES angenommenen Entwicklung verglichen wurde. Die Entwicklung der erneuerbaren und nuklearen Energieenergieer- zeugung in den Szenarien wurde ebenfalls auf Länderebene mit Eurostat-Zahlen verglichen. Länder- spezifische Emissionswerte der fossilen Stromproduktion (EEA 2015) wurden angewandt, um die Basisemissionen des Stromsektors entsprechend auf die tatsächliche Entwicklung anzupassen. Für den Industriesektor wurden keine weiteren Anpassungen vorgenommen. Die resultierenden korri- gierten Emissionsmengen und Vermeidungskostenkurven wurden dann als Counterfactual-Szenario für die weiteren Analysen verwendet.

Für den Tier 3-Ansatz stellen Unsicherheiten und Annahmen verglichen mit den Tier 1- und Tier 2- Ansätzen ein deutlich geringeres Problem dar. Da sowohl das Counterfactual-Szenario, als auch die Vermeidungskostenkurven modellendogen bestimmt werden, können sie in der ex-post Analyse kon- sistent abgeleitet und mit dem EHS-Szenario verglichen werden. Das Counterfactual-Szenario wird dabei mit einem Emissionshandelspreis von Null simuliert. Damit lässt sich die auf die Implementie- rung des EU-EHS zurückzuführende Veränderung der Emissionsmengen isoliert ermitteln. Die Aus- wirkung der Änderung anderer Parameter (z.B. die wirtschaftliche Entwicklung oder politische Maß- nahmen), die nicht in Zusammenhang mit dem EU-EHS stehen, sind gleichermaßen im Counterfactual- Szenario wie auch im Alternativen Politikszenario berücksichtigt.

Die Anwendung des Tier 3-Ansatzes für den Industriesektor hat jedoch gezeigt, dass die Definition des Counterfactual-Szenarios selbst dann eine der zentralen Herausforderungen für die Analyse darstellen kann, wenn ein Modell zur Verfügung steht. In der Tier 3-Analyse des deutschen Industriesektors sind 2/3 der gesamten Emissionsminderung zwischen 2010 und 2030 bereits im Rahmen des Counterfac- tual-Szenarios realisiert und werden damit nicht dem Emissionshandel zugerechnet. Die auf das EU- EHS zurückzuführenden Emissionsminderungen sind entsprechend begrenzt. Dies führt einerseits dazu, dass bei einer klassischen Vermeidungskostendarstellung diese knapp 2/3 Vermeidungspoten- zial zunächst nicht mehr in der Kurve ausgewiesen werden. Andererseits muss bei der Definition des Counterfactual-Szenarios überlegt werden, welche Entwicklungen und welche Minderungsmaßnah- men darin bereits auftauchen sollen, z.B. der – im Modell exogen hinterlegte – Wechsel von Oxygen- zu Elektrostahl oder die Auswirkungen der Entwicklung der Energieträgerpreise.

ii) Alternatives Politikszenario

Das Alternative Politikszenario, das in den Fallstudien zum Tier 1- und Tier 2-Ansatz verwendet wird, basiert weitgehend auf der ex-ante Zuteilung der Emissionszertifikate an Unternehmen. Dabei werden die auktionierten Mengen dem Energie-Sektor zugerechnet. Dahinter steht die Überlegung, dass die in der zweiten Handelsperiode auktionierten Mengen weitgehend von der kostenlosen Zuteilung des Stromsektors abgezogen wurden, während der Industriesektor aufgrund von internationalem Wett- bewerb eher großzügige kostenfreie Zuteilungen erhalten hat. Inwieweit solche Überlegungen eins zu eins auf ein realistisches alternatives Ordnungsrecht zu übertragen sind, ist unklar. Es ist allerdings davon auszugehen, dass die Grenzwerte für den Energiesektor dort nicht so stark reduziert würden wie real die kostenlosen Zuteilungen im EHS.

(13)

13 Da die realen Zuteilungsmengen höher waren als die in der Analyse erwarteten Emissionsmengen, wurden die anteiligen Zuteilungen und nicht die absoluten Werte verwendet. Dies bedeutet jedoch, dass die Unsicherheiten über die Definition des Counterfactual-Szenarios und der Zuteilungsmengen die Ergebnisse beeinflussen.

Im Rahmen des Tier 3-Ansatzes kann ein Alternatives Politikszenario entwickelt werden, das die abge- leiteten EHS Minderungen erreicht und dabei andere Politikannahmen zugrunde legt. Für die Analyse des deutschen Stromsektors wurden zwei alternative Politikansätze verwendet: i) ein Emissionsstan- dard (beispielsweise pro produzierter Energieeinheit) und ii) ein Emissionsbudget (beispielsweise pro Jahr). In beiden Fällen entsprechen die Emissionsminderungen denen des EU-EHS-Szenarios.

Bei der Anwendung des Tier 3-Ansatzes auf den Industriesektor wurden drei alternative Politikszena- rien definiert. Die Minderungsanforderungen wurden umgesetzt als: i) ein innerhalb der deutschen Industrie zu erbringendes Emissionsminderungsziel, das sich gemäß Modellrechnung bei 50 Euro CO2- Preis ergibt (dies sind rund 7 Mt CO2eq), ii) gleiche prozentuale Minderung um 43% (entsprechend des EU-EHS Minderungsziels von 43% im Jahr 2030 im Vergleich zu 2005) für alle Industriesektoren ohne Handelsmöglichkeit zwischen ihnen und mit dem Energiesektor, und iii) Ermittlung der Summe der kosteneffizienten Minderungsmenge für die deutsche Industrie insgesamt anhand des projizierten EUA-Preises für 2030 und Vorgabe der entsprechenden prozentualen Minderung für jeden einzelnen Industriesektor, ohne Handelsmöglichkeiten zwischen den Industriezweigen. Jede dieser drei Spezifi- kationen hat Vorzüge und ermöglicht wertvolle Einblicke. Die Berechnung der Szenarien unterschei- det sich jedoch erheblich in ihrer Komplexität. Ein Nachteil der in den Industrieanalysen gewählten Vorgehensweise ist, dass sich die alternativen Politikszenarien hinsichtlich der erzielten Emissions- minderungen unterscheiden. Dies verhindert einen direkten Vergleich der alternativen Politikszenari- en miteinander. Die Szenarien sind dagegen derart konzipiert, dass sie unterschiedliche Flexibilitäten des EU-EHS bei der Zielerfüllung abbilden.

iii) Disaggregation nach Sektoren

Die Tier 2-Analyse wurde mit verschiedenen sektoralen Auflösungen durchgeführt. In der stärker ag- gregierten Analyse wurden nur der Stromsektor und ein aggregierter Industriesektor unterschieden.

Für die disaggregierte Analyse wurde der Industriesektor jedes Landes weiter untergliedert in die Branchen Stahl, nichtmetallische Mineralien, andere Umwandlung (insb. Raffinerien) und Sonstige.

Dadurch werden höhere Effizienzgewinne ausgewiesen, da die Annahme, dass die Minderungen effi- zient über die Sektoren verteilt sind, im alternativen Politikszenario fallen gelassen wird.

Die Tier 3-Analyse des Industriesektors hatte nicht nur die Bewertung der Kosteneffizienz des EU-EHS zum Ziel. Zusätzlich wurde untersucht, wie gut der Umfang und Detaillierungsgrad des verwendeten Modells dem durch die EU-EHS-Regulierung definierten Rahmen entspricht. Die Tier 3-Analyse des Industriesektors zeigt, dass Schwierigkeiten bei der Kalibrierung eines Bottom-up-Modells (wie hier FORECAST Industrie) auf die Daten des European Transaction Logs (EUTL) auftreten können. Speziell Hochofengase werden im Modell (als Teil des Stahlsektors) anders erfasst, als durch die EU-EHS- Regulierung, in der die damit verbundenen Emissionen in der Regel im verbrennenden Energieerzeu- gungssektor berichtet werden. Eine zweite Herausforderung stellt die Genehmigungspraxis für Indust- riekraftwerke dar, die im EHS entweder als Teil der Industrieanlagen oder als separate Kraftwerke (dann würden die Emissionen anstelle des Industriesektors dem Energiesektor zugerechnet) einge- ordnet werden können. Während diese beiden Schwierigkeiten im Allgemeinen überwunden werden können, erfordert die uneinheitliche Genehmigungslage detaillierte Kontrollen der einzelnen Anlagen im Register, um alle Unterschiede aufzudecken und eine bessere Übereinstimmung zu liefern.

iv) Vermeidungskosten und CO2-Preise

Vermeidungskosten und –optionen hängen überwiegend von den in der Vermeidungskostenkurve berücksichtigten Technologien ab. Um ex-post Analysen durchzuführen ist es also nötig zu wissen, welche Technologien tatsächlich zum Einsatz kamen, um ggf. eine Anpassung vorzunehmen

(14)

14 Bei ex-ante Analysen bestimmen das Wissen über zukünftige Technologien, deren Verfügbarkeit und Kostenentwicklung die Vermeidungskosten. Für die Interpretation der Ergebnisse einer Kostenanaly- se ist also die transparente Darstellung der einbezogenen Technologien (z.B. CCS-Technologie ja/nein, low carbon-Zement ja/nein) notwendig. Informationen darüber, welche anderen Vermeidungsoptio- nen, wie die Substitution von Produktionsprozessen (z.B. von primären zu sekundären Produktions- wegen) oder von Produkten selbst, einbezogen wurden, sollten ebenfalls transparent bereitgestellt werden. Nicht zuletzt können auch Annahmen über die Entscheidungshorizonte eines Unternehmens, wie auch die tatsächlich von den Betrieben genutzten Kriterien für ihre Investitionskalküle, die Ergeb- nisse signifikant beeinflussen.

Eine weitere wichtige Annahme besteht darin, dass der beobachtete Marktpreis für CO2-Zertifikate eine tatsächliche Knappheit an CO2-Zertifikaten widerspiegelt und die realen Grenzvermeidungskos- ten der Anlagen darstellt und nicht primär von anderen Aspekten wie Spekulation oder Marktmacht bestimmt wird. Das war in der zweiten Handelsperiode angesichts des wachsenden Marktüberschus- ses nicht immer der Fall. Sollte sich in den kommenden Jahren wieder eine Knappheit an Zertifikaten einstellen, kann sich diese Annahme dagegen als zutreffender erweisen.

v) Zeitliche Perspektive

Ein Defizit unserer Analysen besteht darin, dass sie intertemporalen Handel zwischen der zweiten und späteren Handelsperioden nicht berücksichtigen. In der Realität wurde jedoch eine große Menge an Emissionszertifikaten für eine spätere Verwendung aus der zweiten in die dritte (und ggf. folgende) Handelsperiode übertragen. Die zusätzlichen Emissionsminderungen, die zu diesem Überschuss führ- ten, beeinflussen entsprechend die Kosten. Die Analysen vernachlässigen jedoch die mit dem Übertrag verbundenen Aspekte der Kosteneffizienz. Zukünftige Arbeiten sollten daher versuchen, durch inter- temporalen Handel erzielte Effizienzgewinne mit einzubeziehen.

Als Sensitivitätsanalyse zu Tier 2 wurden die Kosteneffizienzberechnungen für ein durchschnittliches Jahr der zweiten Handelsperiode und für das Jahr 2008 durchgeführt. Wir nehmen an, dass die Ergeb- nisse für das Einzeljahr 2008 stärker durch singuläre Effekte des Datensatzes beeinflusst werden, die sich über eine längere Periode hinweg üblicherweise ausgleichen.

Zusammenfassung der Ergebnisse

Angesichts der Unsicherheiten in den getroffenen Annahmen und der Berücksichtigung unterschiedli- cher Zeiträume in den Tier 1- und Tier 2-Analysen (Durchschnitt von 2008-2012 oder einzelne Zeit- punkte, aggregierte oder disaggregierte Analyse) reichen die berechneten Emissionsminderungen durch das EU-EHS im Vergleich zum Counterfactual-Szenario in Tier 1 und Tier 2 von 133 bis 211 Mt CO2 für die EU im Zeitraum 2008-2012. Die damit verbundenen Kosteneinsparungen liegen bei diesen beiden Tier-Ansätzen zwischen 12% bis 50% verglichen mit einem alternativen Politikszenario, das zu identischen Emissionsminderungen führt. Detaillierte Beschreibungen der Ansätze, Annahmen und Ergebnisse finden sich in der Dokumentation der Tier-2-Analyse im Annex 1.

Die Ergebnisse der Tier 3-Analyse können wie folgt zusammengefasst werden: In der Fallstudie zum deutschen Stromsektor wurden im Jahr 2010 geschätzte 2,29 Mio. t CO2 (verglichen mit dem Counter- factual-Szenario) durch das EHS reduziert. Der CO2-Preis lag 2010 durchschnittlich bei 14,80 Euro/t CO2. Das erste Alternative Politikszenario, das auf einem Emissionsstandard pro erzeugter MWh Strom basiert, impliziert die Schließung dreier Braunkohlekraftwerke, um dieselbe Emissionsminderung zu erreichen. Das zweite Alternative Politikszenario, ausgestaltet als ein Emissionsbudget, impliziert die Reduzierung von Betriebsstunden von Kohlekraftwerken, wobei die exakten Betriebsstunden vom jeweiligen Wirkungsgrad der Anlagen abhängen und von 7800 bis 8600 Stunden pro Jahr bei Braun-

(15)

15 kohlekraftwerken und 1300 bis 5800 Stunden pro Jahr bei Steinkohlekraftwerken reichen. Die Ver- meidungskosten im EHS-Szenario lagen ungefähr 90% unter den Kosten im alternativen Politikszena- rio (konkret 137 Mio. € unter den Kosten im Emissionsstandard-Szenario und 122 Mio. € unter jenen im Emissionsbudget-Szenario).

Bei der Tier 3-Industrie-Fallstudie wurden wie erwähnt drei Politikszenarien analysiert. Aufgrund des Charakters der Studie als exemplarische Modellrechnung mit dem Ziel, methodische Erkenntnisse zu gewinnen, können die Ergebnisse nur illustrativ und nicht detailliert dargestellt werden. Die Vermei- dungskosten waren für jede Ausgestaltung der alternativen Politik wesentlich höher als im EHS- Szenario. In den Fällen, in denen prozentuale Minderungen für jede Industriebranche festgelegt wur- den, unterschieden sich Vermeidungskosten je nach Industriesektor stark. Für Chemie- und Papierin- dustrie war die Belastung höher als bei NE-Metallen und Eisen und Stahl.

Erfahrungen und Schlussfolgerungen

Die Analysen haben gezeigt, dass die folgenden Annahmen die Ergebnisse einer ex-post Analy- se des EU ETS in besonderem Maße beeinflussen:

die Auswahl der Methodik und die damit verbundene Abwägung zwischen Datenverfügbarkeit und Realitätsnähe der Analyse (vgl. Tier-Ansätze)

die Verfügbarkeit und Qualität von geeigneten Vermeidungskostenkurven

die Bestimmung der Emissionsminderungen unter dem EU-EHS verglichen mit einem Szenario ohne Emissionshandel (Counterfactual-Szenario)

die Ausgestaltung des Alternative-Politik-Szenarios.

Grundsätzlich besteht bei ex-post Analysen des EU-EHS ein Abwägungsbedarf zwischen Breite (Einbe- ziehung aller Sektoren und Länder) und Tiefe (Abbildung eines gewissen Detailgrads in einzelnen Sek- toren) der Analyse. Die Wahl der Methodik wird weiterhin durch die Datenverfügbarkeit und die fi- nanziellen und zeitlichen Ressourcen beeinflusst.

Der vorgestellte Tier 1-Ansatz ist relativ einfach und intuitiv, die Ergebnisse der Analyse stellen jedoch nur eine relativ grobe Abschätzung der Kosteneffizienzgewinne dar. Der Ansatz stellt einen guten Startpunkt für Analysen dar und erlaubt mit wenig Aufwand, alle Sektoren und Länder in die Analyse einzubeziehen. Die grobe Abschätzung der Vermeidungskosten unter Verzicht auf technologische In- formationen bewirkt, dass dieser Ansatz eher für ein aggregierteres Analyselevel empfehlenswert ist.

Dies schließt eine Differenzierung von Ländern und Sektoren jedoch nicht aus. Zukünftige Forschung zum Tier 1-Ansatz sollte darauf abzielen den Detaillierungsgrad der Analyse zu steigern, um daraus weitere Erkenntnisse zu gewinnen, ohne dass dabei jedoch der Aufwand der Analyse deutlich zu- nimmt.

Für Tier 2-Analysen werden darüber hinaus Informationen zum Verlauf der Vermeidungskostenkur- ven benötigt. Wo diese Informationen verfügbar sind, erlaubt der Tier 2-Ansatz eine detailliertere Analyse mit realitätsnäheren Ergebnissen. Besonders geeignet scheint der Ansatz bei der Verwendung von realen techno-ökonomischen Informationen, die den direkten Vergleich verschiedener techni- scher Lösungen erlauben. Die Verfügbarkeit geeigneter Vermeidungskostenkurven stellt jedoch auch eine Grundvoraussetzung dieses Ansatzes dar und sollte kritisch betrachtet werden. Optimal wäre der Einsatz von ex-post Vermeidungskostenkurven, die in dem benötigten regionalen und sektoralen De- tailgrad vorliegen. Wie in dieser Studie gezeigt, können bei der Verwendung von ex-ante geschätzten Vermeidungskostenkurven Anpassungen an den Kurven vorgenommen werden (vgl. Abschnitt 1.3 im Annex), um ihre Passfähigkeit zu den tatsächlich in der Realität beobachteten Entwicklungen zu erhö- hen. Die Nutzung von ex-post ermittelten Kurven ist jedoch in jedem Falle diesem Vorgehen vorzuzie- hen. Eine weitere Herausforderung und zentraler Punkt für die Ergebnisse der Analyse ist die Ausge- staltung des alternativen Politikszenarios. In der vorliegenden Analyse wurden die Minderungsvorga-

(16)

16 ben für das alternative Politikszenario basierend auf den kostenfreien Zuteilungen und den Auktionie- rungsmengen (beim Stromsektor berücksichtigt) festgelegt. Es wäre wünschenswert weitere Spezifi- kationen für alternative Politikszenarien und ihre Auswirkungen auf die Ergebnisse der Analyse zu untersuchen, z.B. spezifische Emissionsgrenzwerte für einzelne Produkte.

Im Gegensatz zu den anderen beiden Ansätzen erlaubt der Tier 3-Ansatz eine endogene Analyse der Emissionsminderungen und der damit verbundenen Kosten. Er erfordert jedoch die Verfügbarkeit und den Einsatz eines geeigneten Modells. Modelle in dem entsprechenden Detaillierungsgrad auf Sekto- rebene liegen jedoch häufig nur für einzelne Sektoren vor und nicht für alle dem EU-EHS unterliegen- den Sektoren oder sind nicht frei zugänglich. Die Analyse selbst ist für den Stromsektor einfacher durchzuführen als für den Industriesektor, der deutlich heterogener ist. Darüber hinaus müssen die Modelle in der Lage sein, sowohl lang- als auch kurzfristige Effizienz- und Vermeidungsoptionen (z.B.

Brennstoffwechsel in der Industrie) abbilden, um die Effekte des Emissionshandels realistisch abbil- den zu können. Analysen von inter-sektoralem Handel sind nur möglich, wenn verschiedene Modelle zu einem Modellsystem zusammengeschlossen werden können, oder wenn, wie oben beschrieben, ein Energiesystemmodell vorliegt. Dabei muss berücksichtigt werden, ob das Modellsystem auch in der Lage ist, Wechselwirkungen zwischen Sektoren, insbesondere Energieangebot und -nachfrage abzu- bilden. Eine einfache Addition von Modellergebnissen verschiedener sektoraler Modelle ist nicht mög- lich.

Für zukünftige Analysen sollten die Modelle weiterentwickelt und verfeinert werden (z.B. in Hinblick auf den Detailgrad und die Datenbasis). Gleichzeitig sollte die Datenqualität in Bezug auf Vermei- dungsoptionen und die Abbildung von Investitions- und Produktionsentscheidungen in Unternehmen in den Modellen verbessert werden. Unternehmensinterviews und schriftliche Unternehmensbefra- gungen können dazu eingesetzt werden, den Kenntnisstand diesbezüglich zu verbessern. Grundsätz- lich gilt, dass Modelle für Tier 3-Analysen einen hohen Detailgrad aufweisen müssen, einer Vielzahl von Annahmen in Bezug auf die Analyse unterliegen und Modellierer entsprechend viele Freiheitsgra- de bei der Analyse haben. Die Qualität der Analysen ist in großem Maße davon abhängig, wie die Ana- lyse ausgestaltet wird. Darüber hinaus sei darauf hingewiesen, dass Modelle ein vereinfachtes Abbild komplexer Sachverhalte darstellen; Ziel von Modellen ist nicht, die Realität in ihrem vollen Umfang abzubilden. Daher werden immer Unsicherheiten bestehen bleiben.

Zusammengefasst haben die Analysen in diesem Projekt gezeigt, dass unter Berücksichtigung von Da- tenverfügbarkeiten und Ressourcen keiner der Tier-Ansätze grundsätzlich als der Beste hervorzuhe- ben wäre. Im Gegenteil, die Ansätze verfolgen verschiedene Ziele und können einander ergänzen. Bei der Auswahl der Methodik wird es immer ein Abwägen zwischen Breite und Tiefe der Analyse geben müssen; Datenverfügbarkeit und Ressourcen sind weitere wichtige Faktoren bei der Wahl der Analy- semethodik. Darüber hinaus sind die getroffenen Annahmen in hohem Maße relevant für die Ergebnis- se der Analyse. Daher ist es wichtig im Vorfeld der Analyse klar abzustecken, welches Ziel mit der Ana- lyse verfolgt wird (z.B. Evaluation der EU-weiten Effizienz, Einschränkung auf einzelne Regionen oder Sektoren, erste Abschätzungen oder Detailanalysen, Einbeziehen von intra-sektoralem Handel usw.) und darauf basierend den Detailgrad an benötigten Daten und Informationen festzulegen.

(17)

17

Overview and summary of the project

This document presents the final report of the project “Efficiency and effectiveness of the EU ETS – extended analyses (EU-ETS 6)”. The project aims to deliver further contributions for the evaluation of the efficiency and effectiveness of the European Emission Trading System (ETS). In doing so, the pro- ject provides advice to the Federal Environmental Agency (UBA), as implementing authority, and the Federal Ministry for the Environment, Nature Conservation, Building and Nuclear Safety (BMUB) as the competent ministry, on methodological aspects of ex-post assessments and lessons learned for ex- ante analyses. The project builds on a previous study, titled „Evaluierung und Weiterentwicklung des EU-Emissionshandels (EU-ETS- 5)“. The current project focusses on methodological approaches for an ex-post assessment of the effects of the EU ETS and introduces different “Tier” levels which reflect the scope of the analyses in terms of breadth and depth. The core of each Tier level analysis is to compare estimated abatement costs under the EU-ETS with cost estimates for a fictitious “alternative policy scenario” that aims to achieve the same total abatement but does not provide the flexibility of trading allowances. Case studies are conducted based on marginal abatement cost curves derived from a par- tial equilibrium model and from bottom-up models for the industry and the electricity sector respec- tively. The work was carried out by Öko-Institut e. V. and Fraunhofer ISI. This overview summarises the relevant background, methods and results of the analyses conducted within the project. Complete versions of each analysis are included in Annexes, named Annex 1 - Tier 2 Analysis, Annex 2 - Tier 3 Analysis Industry and Annex 3 - Tier 3 Analyses Power Sector and Annex 4 - Comparative Analy- sis/Lessons learnt.

Background

In 2005, the EU Emissions Trading System (EU ETS) as the world’s largest emissions trading system was launched. It covers CO2 and other greenhouse gases from around 11,000 installations in 31 states (EU 28 + Iceland, Liechtenstein and Norway). In total, about 45% of the EU’s greenhouse gas emissions are regulated under the system (about 1900 Mt CO2eq verified emissions in 2013, mainly from power and heat generation as well as energy-intensive industries such as iron and steel, refineries, non- ferrous metals, cement, pulp and paper, glass and ceramics and the production of chemicals).

The first trading period (2005-07) was used as a learning phase. Hence, not all flexibility mechanisms were available. Namely, while full flexibility with regards to usage of certificates was granted during the first three years, it was not allowed to bank emission certificates for compliance in later periods.

This resulted in a price collapse in the second and third year of the first period when it became obvi- ous that more certificates were available on the market than needed for compliance. Starting from the second period (2008-12), installations are allowed to bank their certificates and use them for compli- ance purposes in later years. Borrowing of certificates, i.e. using certificates from later years for com- pliance today is only possible to a very limited extent and within a trading period, but not between periods.

With the end of the second period of the EU Emissions Trading Scheme (EU ETS) at the end of 2012, first ex-post evaluations of the instrument and one of its major characteristic, the flexibility through trading, have become possible. In a preceding project “Evaluation and development of the EU Emis- sions Trading Scheme (EU ETS 5)”, methodological approaches to assess the ex-post cost efficiency of the EU ETS were analysed by means of case studies. These methods are further developed in this re- port, in terms of data improvement, additional assessments and scenarios, and first ex-ante abatement cost analyses. The current project focuses on insights gained by applying the different methodological approaches and to discuss the pros and cons of each. It then concludes with possible ways forward to further refine the methods and/or applications. We specifically ask three questions:

a) What did we learn about the methods? What are they suitable for?

(18)

18 b) What did we learn about assumptions and data employed in the case studies?

c) What do we recommend for future ex-post evaluations of the EU ETS?

Methodology

For a cost-efficiency analysis of an ETS, we compare the costs resulting from the ETS to the costs that would have resulted from a hypothetical alternative policy aiming at the same level of GHG emissions mitigation, but without the possibility to trade. To follow this idea, an unambiguous definition of the boundaries of the analysis is important. The implicit assumption is that those dimensions not included in the analysis are cost-efficient in the ETS scenario as well as in the alternative policy scenario while in reality inefficiencies might exist. For example: analysing trade between two sectors allows us to see efficiency gains from trade between installations in one sector with installations in the other sector. It excludes, however, efficiency gains that might emerge from trade of installations within one sector.

Hence, the estimation of efficiency gains is expected to be smaller for an analysis on the sector level than for a very detailed analysis on the installation level. Yet, with an emission trading system that includes more than 11,000 installations it can easily be seen that an analysis on the installation level requires a tremendous amount of information and resources and does not appear feasible, unless a modified method can be developed that takes into account these issues. Therefore, the definition of the analysis’ boundaries should provide an adequate balance between the desire to include as many effi- ciency dimensions as possible and hence to present a realistic picture on the one hand and to limit the data, information and resource requirements on the other hand. Besides the sectoral dimensions, oth- er important dimensions include the regional boundaries, the temporal perspective and the definition of the alternative policy scenario itself.

At the heart of any ex-post assessment of the EU ETS lies information on abatement costs for the dif- ferent installations, sectors and countries. As the actual costs per installation are impossible to quanti- fy, cost-efficiency analyses are based on abatement cost estimates. In the following, we differentiate three options to estimate the abatement costs (Tier 1-3).

Tier 1 Cost curve based estimation: Estimated linear abatement cost curves based on historic prices and estimated abatement: The Tier 1 approach presents the least information intensive approach and therefore provides a fairly easy, indicative estimate. The only information needed is the price for emis- sion certificates on the market (which in theory equals all installations’ marginal abatement costs) and an estimation of the amount of realized emission reductions. This price-quantity combination presents one point on the marginal abatement cost curve. Assuming that the marginal abatement cost curve is approximately linear and no abatement costs occur in case no emissions are reduced, a linear marginal abatement cost curve can be constructed by a straight line through the origin (i.e. without intercept) and the price-quantity combination described above.

Tier 2(Technology-based or macro-economic) marginal abatement cost curves: In contrast to the Tier 1 approach which neglects the use of any additional information on abatement technologies and op- tions or sector characteristics, the Tier 2 approach is based on marginal abatement cost curves con- structed based on techno-economic information. Different types of marginal abatement cost curves exist that can be used for the analysis. Bottom-up marginal abatement cost curves can be constructed from information on costs and abatement potentials of certain abatement technologies. This type of marginal abatement cost curve (“cost potential curve”) can be found in Ecofys (2009), Ecofys & JRC- IPTS (2009), McKinsey&Company (2007 and 2009), ifo & FfE (2012). A second, different type of mar- ginal abatement cost curves are constructed with partial equilibrium or energy-system models. In ad- dition to the techno-economic information that bottom-up analyses account for, these models are able to include interactions between sectors and energy demand and supply, as well as information such as reinvestment cycles of installations, learning curves of technologies and technology diffusion. Exam-

(19)

19 ples of models which supply this kind of marginal abatement cost curves are Markal/TIMES, PRIMES, POLES, and also sectoral-models such as Forecast Industry and PowerFlex which model the industry and power sector respectively with demand for products/outputs given exogenously. The third type of marginal abatement cost curves are top-down marginal abatement cost curves based on macro-

economic modeling such as CGE models. They contain interaction across all sectors of the economy but most often neglect a great detail of technological information (see e.g. GEM-E3, PACE, FARM-EU etc.).

For a Tier 2 analysis, marginal abatement cost curves constructed either based on techno-economic information, or with sector level or energy-system models, are used. In contrast top-down marginal abatement cost curves would be suitable for an analysis of the macro-economic effects but are less suitable for efficiency calculations based on the abatement costs of single sectors and/or installations because they are not sufficiently detailed.

Marginal abatement cost curves can either be used in their original form (e.g. for the total economy of a country or by sector) or the effort can be taken to further differentiate the curves by adding addi- tional information. For example: a sector marginal abatement cost curve can be differentiated into a number of different marginal abatement cost curves for different products or production technologies or for installations with different efficiency levels.

Tier 3 – Model-based analysis: Instead of using marginal abatement cost curves constructed with ener- gy-system models, the analysis can also be based on the model itself. The use of the model itself allows a more detailed description of abatement costs including all interactions within and between all sec- tors. In many cases, however, such models focus on one or a few individual sectors and/or countries.

For the analysis of the whole EU ETS, however, one would need a model or linked models that contain a good representation of the power sector as well as all covered industry sectors in – preferably – all countries. Most models lack this level of detail. The use of models is thus more complicated and time intensive than applying calculated curves directly to the analysis (i.e. Tier 2). Within the current pro- ject, we apply the Tier 3 approach twofold. First, we conduct an ex-post assessment of the effects of the EU ETS in the German power sector. Second, we provide an ex-ante analysis of the EU ETS in the in- dustry sector.

The advancements to the project „Evaluation and development of the EU Emissions Trading Scheme (EU ETS 5)” lay in the Tier 2 and Tier 3 analyses. In particular:

Tier 2:

Differences in main drivers for emissions in POLES marginal abatement cost curves and in re- ality: As the POLES MACCs are ex-ante curves, assumptions on key drivers, such as gross do- mestic product (GDP), energy prices and share of renewables in electricity mix, differ from his- toric values. In this project, the MACCs were therefore corrected for differences in main driv- ers.

Disaggregation: To take into account efficiency gains also from trade between industry sectors, aggregated (two sectors, combustion installations and industry as a whole) as well as dis- aggregated (six sectors, combustion installations and five different industry sectors) analyses were conducted.

Tier 3:

Development of industry marginal abatement cost curves: Based on the model FORECAST marginal abatement cost curves were developed for the German industry sector. In contrast to other analyses within this project, this exercise was an ex-ante analysis for the years 2020 and 2030.

Electricity: We analyse different specifications of the alternative policy scenario.

(20)

20

Comparative discussion of assumptions

For the purpose of this summary, the main assumptions and results are discussed and compared for each of the Tier level approaches. The discussion is structured along the different dimensions we con- sider in the analyses: i) the counterfactual scenario, ii) the alternative policy scenario, iii) the sectoral disaggregation, iv) the abatement costs and CO2-prices and v) the temporal perspective.

i) Counterfactual scenario

Different approaches were applied to develop the counterfactual scenario. In the cost curve based es- timates, the counterfactual scenario was based on historical emissions data of the previous

year/previous trading period (Tier 1) or on a business-as-usual projection with base 2005 (Tier 2).

Any changes that occurred between the year/period/baseline used for the counterfactual and the real development, e.g. the economic crisis or technological development and other policies and measures, would thus be completely assigned to be effects caused by the emissions trading scheme. Since the counterfactual emissions development was identified as one of the main caveats for the application of the Tier 2 method in an earlier study (Cludius et al. 2016), it was decided to further analyse this as- sumption to as best as possible derive a counterfactual scenario that excludes effects that are not due the EU ETS.

Therefore, while using the same model-based abatement cost curves from the POLES model as in UBA 2016, we adjusted the model’s baseline emissions (and abatement cost curves) based on an investiga- tion of the assumptions underlying the POLES curves in terms of GDP development, renewable energy and nuclear energy production and established a counterfactual that better reflects actually observed developments. We corrected for the impact of economic development by comparing actual GDP devel- opment in 2008–2012 to the development assumed in the POLES scenarios for each country. Emission levels for both industry and electricity sector were rescaled using an elasticity of emissions to changes in GDP of 1 following Trotignon (2012). Additionally, we compared the development of renewable energy sources and nuclear based on Eurostat to the one assumed in POLES and applied emissions factors of fossil electricity generation from EEA (2015), differentiated by country (aggregate) to re- scale emissions for the electricity sector at country level. For industry, no further adjustments were made. The resulting corrected counterfactual emissions levels were then applied in the cost efficiency analysis.

Compared to the Tier 1 and Tier 2 approaches, uncertainties and assumptions are much less of a con- cern for the Tier 3 approach. As the counterfactual scenario as well as the abatement cost curves are determined endogenously by the model, they can be consistently derived ex-post and compared to the ETS. The counterfactual scenario is derived by running the model with a zero carbon price. In this case, the counterfactual only accounts for the difference in emissions that are associated with the imple- mentation of the EU ETS. Any other change in parameters (e.g. economic development or other policy measures) would not be associated with the ETS but also be applied in the counterfactual scenario.

However, the application for the industry sector (see Annex 2) has also shown that even though the model was available, the definition of the counterfactual scenario presents one of the key challenges for the further analysis. Namely, in the Tier 3 industry analysis, 2/3 of total emission reductions in 2030 compared to 2010 are already realised under the counterfactual scenario. As a result, calculated emission reductions due to the EU ETS are limited. On the one hand, in a classical marginal abatement cost curve representation, these reductions are not included in the curve. On the other hand, the defi- nition of the counterfactual scenario requires an intensive discussion on which effects should already be included in the counterfactual scenario, e.g. switch from BOF steel to EAF steel or the effects from the development of energy prices.

ii) Alternative policy scenario

(21)

21 The alternative policy scenario in the case studies applying the Tier 1 and Tier 2 approach was de- signed based on allocation of emissions allowances, e.g. grandfathering for the second trading period, without allowing for trade. Auctioned amounts were attributed to the combustion sector. The ra- tionale behind the decision is that the amounts auctioned in the second trading period primarily came from the combustion installations while industry installations for competitiveness reasons still re- ceived generous free allocation. It is unclear to what extent such considerations would also hold in case of regulations and standards in reality. It is also conceivable that, in case of a regulations and standards policy approach, emission limits for the electricity would be somewhat higher compared to their free allocation under the EU ETS.

Allocation needed to be corrected for overallocation as emissions reductions need to be in line with the ETS emission reduction. For this reason, allocation was derived as a relative measure rather than absolute values. This implies, however, that uncertainties remain with regards to the counterfactual scenario and alternative policies scenario which might affect the results.

For Tier 3, an alternative policy scenario can be designed in a way to reflect the derived emissions re- ductions, leaving all other assumptions constant. Two alternative policy approaches were applied for the analysis of the German power sector, i) an emission standard (for example, per unit of electricity produced) and ii) an emission budget (for example, per year). Both were set up in a way to achieve the same amount of emissions reductions as in the EU ETS scenario. Other implementations of an alterna- tive policy scenario could relate to fuel type specific emissions limits, a coal ban, CO2-price floors etc.

For a first application of the Tier 3 industry model, three alternative policy scenarios were defined.

Reduction requirements were implemented as i) a fixed emission reduction level derived from model- ling at 50 Euros per ton of CO2-eq to be achieved by German industry without trading (i.e. reduction of about 7 Mt CO2-eq), ii) equal percentage reduction according to the EU ETS cap of 43% in 2030 com- pared to 2005 for each industrial sector without the possibility of trading in industry or with the elec- tricity sector, iii) equal percentage reduction for each industrial sector in Germany based on the amount that German industry in total would reduce in response to the projected EU ETS price in 2030, without the possibility of trading among the industry sectors. Each of these three specifications has its merits and allows drawing valuable insights. The complexity of the scenarios differs substantially. A drawback here is that the alternative policy scenarios do not result in equal emissions reduction but rather present different interpretations of EU ETS features as alternative policies, applying the cap and its resulting EUA price with and without sectoral and EU-wide trading to the German industry sector.

iii) Sectoral detail

The Tier 2 analysis was carried out at different levels of sectoral detail. In the aggregated analysis only the electricity sector and an aggregated industry sector were differentiated. In the disggregated analy- sis we further differentiated the industry sector in each country distinguishing steel, non-metallic minerals, other transformation (including the refineries) and other industry. This allows discovering more efficiency gains since the assumption of efficient abatement allocation between these industry sectors in the alternative policy scenario is dropped.

The Tier 3 analysis for the industry sector aimed not only at estimating cost efficiency of ETS, but also at investigating how close the model scope of the model used matches the scope defined by the EU ETS regulation. Our analysis showed that challenges can arise from matching a bottom-up model such as FORECAST industry with the data contained in the EU ETS transaction log (EUTL). In particular, blast furnace gases are accounted for differently in the model (as part of the steel sector) compared to the EU ETS regulation, where they are usually covered as part of the energy sector. A second challenge is the permitting practice for industrial power plants, which can be either covered in the ETS as part of the industry installation or as a separate power installation (in which case emissions are attributed to the power sector rather than the industry sector). While in general, these challenges could be over-

(22)

22 come, the heterogeneous permitting situation requires detailed, installation-by-installation checks to identify all differences and provide for a better match.

iv) Abatement costs and CO2 price

Abatement costs and abatement options depend to a large extent on the technologies included in the abatement cost curve. For ex-post analyses, knowledge on the technologies that were being applied is needed to adapt the curves in accordance with actual circumstances.

For ex-ante analyses, knowledge on future technologies, their availability and cost development is de- termining the abatement costs. Transparency on which technologies are being included (e.g. CCS tech- nology yes/no, new low-carbon cement yes/no) is a necessity to interpret the results of a cost analysis.

Also, information on which other abatement options such as substitution of production processes (e.g., from primary to secondary production routes) or product substitution are being included, should be provided in a transparent manner. Not least, assumptions on the firms’ degree of foresight, as well as the precise investment appraisal criteria used by the firms can significantly affect the results.

Another major assumption is that the observed market price for CO2 certificates reflects a real short- age of CO2 certificates and indicates the real marginal abatement costs of installations rather than be- ing primarily affected by other aspects such as market power or speculation. This assumption may prove to be less of a caveat as the situation may change in future years leading to a shortage in certifi- cates at some point.

v) Temporal dimension

A caveat of our analyses is that they do not account for inter-temporal trade between the second trad- ing period and later trading periods. In reality, however, a large surplus of emission certificates was banked from the second trading period into the third one for use in later periods. The additional emis- sion reductions leading to this surplus affect costs, but the present analysis neglects efficiency gains from trade with, and in, later periods. Hence, future work should try to include efficiency gains from inter-temporal trade.

As a sensitivity analysis to Tier 2, we carried out the cost efficiency calculations for both an average year of the 2nd trading period and the single year 2008. We suppose that the results for the single year are more influenced by singular effects of that year’s dataset, which might normally level out over a longer period in time.

Summary of results

Given the uncertainties about our assumptions, and given the different time periods considered in the Tier 1 and Tier 2 applications (average of 2008-2012 or single year, disaggregated and aggregated analysis) the resulting emissions reductions due to the ETS compared to the counterfactual scenario in Tier 1 and Tier 2 range from 133 to 211 Mt CO2 for the EU. At the same time, the associated cost sav- ings compared to an alternative policy scenario leading to identical emission reductions cover a span from 12% to 50% in these two Tier approaches. Detailed descriptions of the approaches, assumptions and results are provided in this report.

The results for the Tier 3 analyses can be summarized as follows: In the power sector case study for Germany, 2.29 Mt CO2 (compared to the counterfactual) were reduced in the Germany power sector in the year 2010 through the emissions trading scheme, the carbon price was at an average of 14.80 Eu- ro/t CO2 in 2010. The alternative policy approach based on an emission standard (t CO2 per MWh) implied the closure of three lignite power plants to reach the same level of emission reduction. The alternative policy scenario based on an emissions budget implied the reduction of operating hours for coal plants, with the exact operating hours depending on each plant’s conversion efficiencies, ranging from 7,800 to 8,600 hours per year for lignite powered plants and from 1300 to 5800 hours per year

(23)

23 for hard coal power plants. Abatement costs were about 90% lower in the ETS scenario than in the alternative policy scenario, i.e. 137m € lower in the ETS scenario compared to the emission standard scenario and about 122m € lower compared to the emission budget scenario.

For the Tier 3 industry case study, the above-mentioned three alternative policy scenarios were ana- lysed. Due to the methodological character of the study that aims to provide lessons learned through exemplified model runs, the results are only of illustrative nature and cannot be presented in detail.

For each alternative policy definition, however, abatement costs were substantially higher than in the emissions trading scenario. In those cases where percentage mitigation reductions were set for each industry, abatement costs differed substantially by industrial sector, with a higher burden for the chemicals and paper industry than for non-ferrous metals and iron and steel.

Lessons learnt and conclusions

The analysis revealed that the most important aspects driving the results of an ex-post assessment of the EU ETS include

the choice of the assessment perspective with its trade-off between data requirements and ac- curacy (cf. the 3 tiers)

the availability and quality of suitable abatement cost curves

determining the avoided emissions due to the ETS compared to a system without ETS (coun- terfactual scenario)

designing the alternative policy scenario

In general, any approach to assess the ex-post cost-efficiency of the EU ETS will face a trade-off be- tween breadth (broad coverage of ETS sectors) and depth (coverage of detail in a single sector), in addition to data and resource constraints.

The Tier 1 approach while relatively easy and intuitive provides a very rough assessment of cost effi- ciency. It serves as a good starting point and is able to include all ETS sectors and countries. Due to the lack of detailed and technology specific information on abatement costs, it is better applied to more aggregated levels of analysis. However, this does not preclude an assessment differentiating a number of countries and sectors. Further research might be devoted to such a differentiation which would be easy to implement and might reveal more detailed insights than currently derived.

The Tier 2 approach requires additional information on the shape of the marginal abatement cost curves. Yet, it may allow more detailed analysis with more realistic results due to the use of techno- economic information where available. Therefore, it is well suited to assess the cost efficiency of the ETS, as the abatement costs are based on underlying real-world data and therefore can compare the costs of different abatement options directly. However, the availability of suitable abatement cost curves is key and needs to be carefully considered. In a best case, ex-post cost curves would be availa- ble with required sectoral and regional detail. If such curves are not available, adjustments can be con- sidered, as they were applied in this study. However, such adjustments can always only be second best.

Another challenge is the definition of an appropriate alternative policy scenario which is crucial for the analysis. We defined abatement requirements based on each sector’s respective free allocation, plus the auctioned amounts (for the electricity sector), as an indicator for the emissions that each sector would still be allowed to emit. It would be desirable to investigate other scenarios e.g. with specific emission limits by product or sector.

The Tier 3 approach allows for endogenous analysis of emissions reductions and mitigation costs and may therefore be superior to the other two tiers. However, it requires access to, and use of, a detailed model which often is not free of charge or might only be available for individual sectors in specific countries. This type of analysis is more easily carried out for the electricity sector than the industry sector, which is much more heterogeneous. Furthermore, the models have to be able to describe both

Referenzen

ÄHNLICHE DOKUMENTE

The r a t e of production is constrained by wood supply (which is one of the major links between t h e submodels), by final demand for forest products, by labor

Abstract: For the KWALON 2010 conference, several software representatives were given a common data set consisting of text and media files about the financial crisis of 2008 –

Campbell; Gaburro 1986). SoluŃiile adoptate în macromodelul economiei române ti de tranziŃie sunt sistematizate în Figura 5. a) Versiunea 1996 a introdus conceptul de

A dynamic LP is then just a linear program comprising of such static models which are interlinked via various state variables (i.e., different types of "inventories",

There is no change of energy supply pattern (Figure 3.8). 6) As for the demand sector of miscellaneous thermal uses, while LWR electricity meets about 40% of the total demand

Wolf: The Higgs Boson Discovery at the Large Hadron Collider, Springer 2015.

◦ Idea of the Higgs mechanism: examples of spontaneous symmetry breaking 2.5 The electroweak sector of the Standard Model – II. ◦ The Standard Model

The aim of this bachelor thesis is an interpretation of selected narrative work of the contemporary German author Jakob Hein, focusing on satirical rendering